Résumé:
Les méthodes de commande non linéaire se basent sur l’existence d’un modèle analytique du système. Cependant, pour des systèmes non linéaire complexes, le modèle peut être inexploitable, imprécis ou tout simplement inexistant. Les réseaux de neurones sont récemment apparus comme des approches capables de reproduire le comportement complexe des systèmes non linéaires. Dans cette étude, nous allons combiner la commande adaptative et les réseaux neuronaux pour profiter de leurs caractéristiques dans la résolution de problèmes de commande des systèmes non linéaire. La première étape consiste à éclaircir les notions de base sur des commandes stabilisantes les systèmes non linéaire. Ensuite, nous présentons un aperçu de l’approximateur universel choisie dans ce travail, les réseaux de neurones artificiels. Le deuxième axe de travail est le développement détaillé de deux commandes adaptatives neuronales directes pour des systèmes non linéaire de type SISO et MIMO respectivement pour estimer les fonctions non linéaires inconnues. De plus une analyse de stabilité des structures de commande implémentées est réalisée par l’approche de Lyapunov. Pour chaque approche de commande développée, des résultats de simulation sont présentés pour montrer ses performances
